Val-Blog

服务器cpu占用100%，如何排查问题? https://blog.csdn.net/pengjunlee/article/details/107150785 SSH远程链接超时断开的三种解决方法 https://cloud.tencent.com/developer/article/2274079

每次想要提笔的时候，我都不知该从何开始。每次思绪翻涌的时候，往往是躺在床上不想入睡的时候，可我要是真的起来打字，那种状态又很容易不复存在了。好像原本一泻千里的大江浪潮突然越过了一排什么堵塞的巨石，突然就停滞下来了。可是每次放任意识流动的时候我才觉得我活着，我在思考，我在反刍我的生活经验，我在升华，有时候甚至会有自我感觉良好的措辞和表达。但是我在高三那会甚至是连记录都难。所以既然在高中还学语文的时候，接触过意识流这个词，这种行文方式，我一直想着有机会来试试，能不能真的把意识流动记录下来，不管是又臭又长还是没有重点……都没关系。有一个已经很久没有联系的高中同学曾跟我说过，他觉得人活过日子总要留下些痕迹，而他觉得最有价值和意义的是当下的思想。我觉得他说的没错。高中的时候没事干我也喜欢偶尔写写自己的想法，所谓随想，但是现在却真的很少很少。一来是因为觉得平时太忙了，要专门抽一段空闲的时间来做这个也实在是不容易。但其实本质上是因为我的价值观已经悄悄发生了变化了，潜意识里记下这些东西，没什么世俗意义上的价值，不适合给别人看（也没有人会看）。自己在很长一段时间内可能也不会去看。因为我写出来的东西很可能 ...

总体/样本皮尔逊Pearson相关系数皮尔逊相关系数也可以看成是剔除了两个变量量纲影响，即将X和Y标准化后的协方差。n,n-1这里的相关系数只是用来衡量两个变量线性相关程度的指标；也就是说，你必须先确认这两个变量是线性相关的，然后这个相关系数才能告诉你他俩相关程度如何。 容易忽视和犯错的点（1）非线性相关也会导致线性相关系数很大，例如图2。（2）离群点对相关系数的影响很大，例如图3，去掉离群点后，相关系数为0.98。（3）如果两个变量的相关系数很大也不能说明两者相关，例如图4，可能是受到了异常值的影响。（4）相关系数计算结果为0，只能说不是线性相关，但说不定会有更复杂的相关关系（非线性相关），例如图5。 （1）如果两个变量本身就是线性的关系，那么皮尔逊相关系数绝对值大的就是相关性强，小的就是相关性弱；（2）在不确定两个变量是什么关系的情况下，即使算出皮尔逊相关系数，发现很大，也不能说明那两个变量线性相关，甚至不能说他们相关，我们一定要画出散点图来看才行。 事实上，比起相关系数的大小，我们往往更关注的是显著性。（假设检验） 优化算法遗传算法粒子群算法蚁群算法模拟退火算法分类/回归算法逻辑 ...

测光模式 矩阵测光适合逆光 中央测光适合风景和人像 点测光适合舞台和个人艺术照 DXO(DxOMark)DxOMark是一个知名的图像质量评价和测量平台，其主要关注摄影和图像设备的性能评估，特别是智能手机摄像头。 DxOMark评估各种摄影设备，包括智能手机、相机和镜头，以及其他图像相关的技术。对于智能手机，DxOMark主要关注以下几个方面： 照片质量： DxOMark评估相机的照片质量，包括细节、色彩准确性、动态范围和噪音控制等。 视频质量： 评估相机的视频拍摄质量，包括稳定性、色彩、曝光等方面。 低光环境表现： 测量在低光条件下的摄影和视频性能，评估设备在暗光中的表现能力。 自动对焦和对焦追踪： 评估设备的对焦速度、准确性和对移动主题的跟踪能力。 变焦性能： 评估光学变焦和数字变焦的质量和性能。 效果和滤镜： 评估设备提供的特效、滤镜和图像处理功能。 DxOMark将评估结果以分数形式公开发布，为消费者提供了参考，帮助他们在购买手机时更好地了解摄像头性能。这在手机销售和市场竞争中具有一定的影响力，因为消费者通常会考虑摄像头性能作为购买决策的一个因素。然而，请注意，DxOMark ...

初识Pytorch以及配置安装什么是pytorch？为什么是pytorch？ PyTorch 是一种用于构建深度学习模型的功能完备框架，是一种通常用于图像识别和语言处理等应用程序的机器学习。使用 Python 编写，因此对于大多数机器学习开发者而言，学习和使用起来相对简单。PyTorch 的独特之处在于，它完全支持 GPU，并且使用反向模式自动微分技术，因此可以动态修改计算图形。这使其成为快速实验和原型设计的常用选择。 PyTorch 在 Python 开发者中特别受欢迎，因为它使用 Python 编写，并使用该语言的命令式、运行时定义即时执行模式，在这种模式下，从 Python 调用运算时执行运算。随着 Python 编程语言的广泛采用，一项调查显示，AI 和机器学习任务受到越来越多的关注，并且相关 PyTorch 的采用也随之提升。这使得 PyTorch 对于刚接触深度学习的 Python 开发者来说是一个很好的选择，而且越来越多的深度学习课程基于 PyTorch。从早期版本开始，API 一直保持一致，这意味着代码对于经验丰富的 Python 开发者来说相对容易理解。 确定安装的 ...

写给三年后自己的一封信嗨，三年后的val213，展信佳。 三年应该很短吧，毕竟高中三年也很短，大一也很短。越长大时间流速越快，想必这三年应该也是白驹过隙。现在在给你写这封信的人是刚刚在二饭二吃完牛杂小面的我，晚上七点半，坐在电脑面前，在VSCode里用Markdown写这封信。而明天早上就是大二的第一节课。不知道你还有几节课能上，也不知道你现在的工具链，挺好奇的。总之，让我来跟你唠叨一下吧。 写信的我现在是这样的生活状态：刚刚过完暑假回到学校，即将开启大二的学习生活。整个大一我好像都很忙，忙着学习忙着玩忙着比赛忙着社团、部门，忙着剪辑视频，完成学校的一个又一个细碎麻烦的事情和课程……很想认真学习接下来的几门专业课，看国外名校的课。今年应该会更加大胆做我觉得应该做的事情，但是应该不会再迟到了（痛苦面具）。 回顾整个大一，确实也有骄傲，也有成就感，也有自信，也有拼搏，但也有失落，有过绝望，有过愤怒，也有内耗，也有烦恼，也有不甘，也有妥协，不知道这些细节现在你还记得多少，肯定很模糊了吧。但是还好我现在已经有写博客的习惯了，都说写作是思维的训练，我接受了这个观点，这也是为什么我现在愿意在这写这 ...

以下内容由配备GPT4的new-bing生成 关于Ascend（昇腾）Ascend芯片是华为自主研发的一系列人工智能处理器，采用了达芬奇架构，支持全栈全场景的AI应用。Ascend芯片有以下几个特点： Ascend芯片采用了3D Cube矩阵乘法单元，能够显著提升数据利用率，缩短运算周期，实现更快更强的AI运算。 Ascend芯片集成了scalar、vector和cube三类运算单元，分别支持不同的AI算法场景，在专用加速的同时保证了架构的通用性和灵活性。 Ascend芯片具有很强的平台整合能力，充分利用华为作为系统供应商软硬件结合设计的能力，提供端、边、云的全场景AI基础设施方案。其他AI芯片，如英伟达的GPU和谷歌的TPU，也有各自的优势和特点。例如： GPU是一种基于SIMT结构的通用并行计算设备，具有高度可编程性和灵活性，可以支持多种AI算法和应用。 TPU是一种基于Systolic Array结构的专用AI加速器，具有高效能效比和低延迟，可以支持大规模的深度学习训练和推理。 MindSpore(昇思)MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全 ...

于是我干脆不睡了，反正心思不在睡眠。 与其囫囵吞枣发布我琐碎庸碌的生活中好不容易积攒起来的宁静，我想不如模仿摄影作品的简介，给每一张这样的相片给出足够的描述，也当作是我当下对生活感触的记录。 是的，对生活的感触，老实说，我已经很久没有看书——没错就是那种在深夜醒来意识到也没有愧疚感的状态，也很久没有画画或是认真地去做一支视频了……这些事情是我曾经最喜欢做的事情，自以为是在表达自己眼中的世界。所以这意味着什么呢，这一段时间，我丢失了对生活的感触，或者说没有时间、不愿意把时间留给感悟生活了。现如今回想，反倒是时间最紧张的高中，是我这些事情私底下偷偷干的最多，留下的文字恐怕也是最多的时候。 是的那么为什么我现在又开始了？因为我意识到了自己现在的处境。高中在对我来说现实苦闷和理想翱翔冲突最大的时候，哪几件事情对我来说是灵魂的偷渡，是人文、艺术，是跟世界、跟自己的对话，是救赎。现在同样是我落差比较大而且面临比较重要的人生抉择而颇感迷茫的时候。所以，当某天晚上我终于因为某些情绪有意无意点开一支探讨孤独的视频，我尘封的记忆被唤醒了。 怎么说呢，那只视频刘擎教授是在谈孤独，谈别人谈孤独，谈别人谈孤独的 ...

三个原则SRP（单一职责原则）就一个类来说，应该仅有一个引起它变化的原因。 如果一个类承担的职责过多，就等于把这些职责耦合在一起，一个职责的变化可能会削弱或者限制这个类完成其他职责的能力。这种耦合会导致脆弱的设计，当变化发生时，设计会遭受意想不到的破坏。软件设计真正要做的许多内容其实就是发现职责并把那些职责互相分离。如果你能想到多于一个理由去修改一个类，那么这个类就有多于一个的职责。 举个例子窗体程序俄罗斯方块，窗体程序和游戏逻辑应该是分离的。比如说如果要移植程序，那么在不同平台上只需要修改窗体类而不需要再去修改游戏逻辑的类。写到这里的时候我想起了我自己写过的多功能日历ValCalender。在这个用QT开发的程序里，虽然我已经尽量地进行了封装和创建了足够多的类，现在来反思我发现我封装的大多数还是窗口杂糅了对应功能的类，我的功能依赖于窗口实体，因此二者是杂揉的，没有符合单一职责原则，可移植性就很低了……🤔 OCP（Open-Close Principle）开放封闭原则OCP认为软件实体应该是可扩展但是不可修改的。也就是说一方面对于扩展是开放的，另一方面对于更改是封闭的。尽管是理想 ...

本文内容和封面均由AI生成（GPT4-bing、DALL-E） 端边云端边云是一种终端-边缘-云协同的架构，可以将云计算和边缘计算有机融合，实现数据的就近处理、智能分析和高效传输。端边云的计算架构主要分为三个部分： 端（End）：指的是终端设备，如手机、智能家电、各类传感器、摄像头等，是数据的产生者和消费者，也可以执行一些简单的数据处理任务。 边（Edge）：指的是靠近终端设备的边缘服务器或网关，是数据的中转站和加速器，可以执行一些复杂的数据处理任务，如数据清洗、过滤、聚合、缓存、模型推理等，减少对云端的依赖和负担。 云（Cloud）：指的是传统的云计算平台，是数据的汇聚点和管理者，可以执行一些全局性和高级别的数据处理任务，如数据存储、分析、挖掘、模型训练等，提供统一的服务和接口。端边云的优势主要有以下几点： 降低时延：通过在边缘侧进行数据处理，可以减少数据在网络中的传输时间，提高响应速度，满足实时性要求。 节省带宽：通过在边缘侧进行数据过滤和压缩，可以减少数据在网络中的传输量，节省网络资源，降低成本。 增强安全：通过在边缘侧进行数据加密和隐私保护，可以减少数据在网络中的泄露风险 ...